本發(fā)明涉及作物信息檢測，更具體地說，是涉及一種玉米養(yǎng)分監(jiān)測的智慧云管理方法。

背景技術(shù)：

1、玉米具有生長周期短、產(chǎn)量高的特點，是我國主要糧食作物之一。通常情況下，適度肥料的使用對于提高玉米總產(chǎn)量，促進玉米生長發(fā)育的作用是很大的。玉米作物具有生長周期短，在生長發(fā)育期內(nèi)需要獲取大量水分和養(yǎng)分的特點，為促進玉米高效生產(chǎn)，應根據(jù)其需水需肥規(guī)律來指導生產(chǎn)，即精準灌溉施肥。而玉米生長過程中養(yǎng)分狀況的精確掌控是精準灌溉施肥的重要前提。

2、現(xiàn)階段，對于玉米養(yǎng)分狀況檢測與診斷較多采用傳統(tǒng)的養(yǎng)分檢測方法。傳統(tǒng)的養(yǎng)分檢測方法是在田間采集樣品之后，通過實驗室化學分析方法進行測定，具有檢測靈敏度高、結(jié)果準確的優(yōu)點，但其檢測周期長、成本高、操作復雜，無法在空間和時間上實現(xiàn)對作物養(yǎng)分狀況的連續(xù)動態(tài)監(jiān)測，具有明顯的滯后性、非動態(tài)性和破壞性，不利于對作物大面積的推廣和使用，同時也無法滿足精準施肥對養(yǎng)分高效檢測的需求。傳統(tǒng)玉米種植過程中，養(yǎng)分的施用往往依賴于經(jīng)驗判斷或定期土壤檢測，這種方式存在效率低、成本高、響應慢等問題，難以精準滿足玉米不同生長階段的養(yǎng)分需求。隨著物聯(lián)網(wǎng)、大數(shù)據(jù)和云計算技術(shù)的快速發(fā)展，為農(nóng)業(yè)精準管理提供了新的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，實現(xiàn)玉米生長過程中養(yǎng)分需求的精準預測，避免養(yǎng)分浪費或不足，通過智慧云平臺實現(xiàn)遠程控制和執(zhí)行，降低成本，提高農(nóng)業(yè)生產(chǎn)效率。

2、為了實現(xiàn)上述目的，本發(fā)明提供一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，該方法包括：

3、步驟s1：實時采集玉米生長環(huán)境中的時間序列數(shù)據(jù)，對采集的時間序列數(shù)據(jù)進行預處理，利用機器學習算法對預處理后的數(shù)據(jù)進行分析挖掘，構(gòu)建玉米生長模型；

4、步驟s2：構(gòu)建葉片層級的玉米養(yǎng)分含量預測模型，利用冠層尺度的光譜特征和冠層結(jié)構(gòu)信息，構(gòu)建冠層層級的玉米養(yǎng)分含量預測模型；

5、步驟s3：根據(jù)玉米生長模型、葉片層級的玉米養(yǎng)分含量預測模型和冠層層級的玉米養(yǎng)分含量預測模型，預測玉米在不同生長階段對養(yǎng)分的需求；

6、步驟s4：根據(jù)預測的養(yǎng)分需求，制定個性化的養(yǎng)分管理方案，通過智慧云平臺，將養(yǎng)分管理方案發(fā)送給農(nóng)戶或自動控制系統(tǒng)，進行精準施肥的遠程控制和執(zhí)行。

7、優(yōu)選地，利用機器學習算法對預處理后的數(shù)據(jù)進行分析挖掘，構(gòu)建玉米生長模型，包括：

8、利用損失函數(shù)對構(gòu)建的玉米生長模型進行訓練，獲得訓練好的玉米生長模型，所述損失函數(shù)滿足：

9、

10、其中，loss為多時間序列數(shù)據(jù)損失函數(shù)，yj是真實值，是預測值,m為時間序列數(shù)據(jù)個數(shù)，aj為第j個時間序列數(shù)據(jù)的權(quán)重。

11、優(yōu)選地，所述步驟s2包括：

12、步驟s2.1:采集不同時期的玉米冠層高光譜圖像和葉片高光譜圖像；

13、步驟s2.2:對所述玉米冠層高光譜圖像和所述葉片高光譜圖像分別進行圖像預處理和特征增強；

14、步驟s2.3:基于特征增強后的所述葉片高光譜圖像，構(gòu)建葉片層級的玉米養(yǎng)分含量預測模型；

15、步驟s2.4:利用冠層尺度的光譜特征和冠層結(jié)構(gòu)信息構(gòu)建冠層層級的玉米養(yǎng)分含量預測模型。

16、優(yōu)選地，所述對所述玉米冠層高光譜圖像進行圖像預處理，包括：

17、采用局部加權(quán)回歸法對所述玉米冠層高光譜圖像進行高光譜濾波和平滑處理，利用局部加權(quán)回歸法根據(jù)高光譜圖像數(shù)據(jù)的波動范圍，使用權(quán)值函數(shù)構(gòu)建加權(quán)回歸線，并判斷各數(shù)據(jù)與加權(quán)回歸線的距離，以剔除異常值，擬合出加權(quán)后的擬合曲線，所述權(quán)值函數(shù)滿足：

18、

19、其中，ωi為第i個像素點的權(quán)重，xi為第i個像素點在高光譜圖像中的空間位置，x為當前相像素點在高光譜圖像中的空間位置，h為帶寬參數(shù)，表示權(quán)重隨距離衰減的速度，帶寬越大，權(quán)重隨距離衰減的越慢。

20、優(yōu)選地，對所述葉片高光譜圖像進行特征增強，包括：

21、采用sobel的邊緣檢測法對所述葉片高光譜圖像進行特征增強，公式為：

22、

23、其中，a為葉片高光譜圖像矩陣，gz和gy分別為水平和垂直方向的梯度近似，*表示卷積操作。

24、優(yōu)選地，所述時間序列數(shù)據(jù)包括：土壤濕度、土壤溫度、土壤ph值、土壤養(yǎng)分含量以及冠層高光譜圖像與葉片高光譜圖像。

25、優(yōu)選地，所述不同時期包括苗期、穗期、花粒期。

26、與現(xiàn)有技術(shù)相比，本發(fā)明提供的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法具有如下有益效果：首先實時采集玉米生長環(huán)境中的時間序列數(shù)據(jù)，對采集的時間序列數(shù)據(jù)進行預處理，利用機器學習算法對預處理后的數(shù)據(jù)進行分析挖掘，構(gòu)建玉米生長模型；然后構(gòu)建葉片層級的玉米養(yǎng)分含量預測模型，利用冠層尺度的光譜特征和冠層結(jié)構(gòu)信息，構(gòu)建冠層層級的玉米養(yǎng)分含量預測模型；根據(jù)玉米生長模型、葉片層級的玉米養(yǎng)分含量預測模型和冠層層級的玉米養(yǎng)分含量預測模型，預測玉米在不同生長階段對養(yǎng)分的需求；最后根據(jù)預測的養(yǎng)分需求，制定個性化的養(yǎng)分管理方案，通過智慧云平臺，將養(yǎng)分管理方案發(fā)送給農(nóng)戶或自動控制系統(tǒng)，進行精準施肥的遠程控制和執(zhí)行。實現(xiàn)玉米生長過程中養(yǎng)分需求的精準預測，避免養(yǎng)分浪費或不足的問題，有助于提升玉米產(chǎn)量和品質(zhì)。通過智慧云平臺實現(xiàn)遠程控制和執(zhí)行，降低人工管理成本，提高農(nóng)業(yè)生產(chǎn)效率。

27、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術(shù)特征：

1.一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

3.根據(jù)權(quán)利要求1所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

4.根據(jù)權(quán)利要求3所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

5.根據(jù)權(quán)利要求3所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

6.根據(jù)權(quán)利要求1所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

7.根據(jù)權(quán)利要求3所述的一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，其特征在于，

技術(shù)總結(jié)
本發(fā)明提供一種玉米養(yǎng)分監(jiān)測的智慧云管理方法，涉及作物信息檢測技術(shù)領(lǐng)域。實現(xiàn)玉米生長過程中養(yǎng)分需求的精準預測，避免養(yǎng)分浪費或不足。該方法包括：對采集的時間序列數(shù)據(jù)進行預處理，對預處理后的數(shù)據(jù)進行分析挖掘，構(gòu)建玉米生長模型；構(gòu)建葉片層級的玉米養(yǎng)分含量預測模型，利用冠層尺度的光譜特征和冠層結(jié)構(gòu)信息，構(gòu)建冠層層級的玉米養(yǎng)分含量預測模型；根據(jù)玉米生長模型、葉片層級的玉米養(yǎng)分含量預測模型和冠層層級的玉米養(yǎng)分含量預測模型，預測玉米在不同生長階段對養(yǎng)分的需求；根據(jù)預測的養(yǎng)分需求，制定個性化的養(yǎng)分管理方案，通過智慧云平臺，將養(yǎng)分管理方案發(fā)送給農(nóng)戶或自動控制系統(tǒng)，進行精準施肥的遠程控制和執(zhí)行。

技術(shù)研發(fā)人員：史玉棣,尹寶重,甄文超,劉世鴻,葛恩琪,張瑞芳,谷利敏
受保護的技術(shù)使用者：河北農(nóng)業(yè)大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15